DiDi logo
滴滴出行
项目管理实习生(AI)-MJ020833

项目管理实习生(AI)-MJ020833

发布于 38 分钟前

实习/见习

AI 估算 · 6.0千–1.0万 · AI 参考估算
中国
无经验要求
本科
实习生仅现场办公项目管理
项目管理
Ai Agent
代码检索
大模型Api
自动化测试

值不值得投

69综合评分

综合评分 69

AI研发提效实习,技术前沿、实践性强,薪资与办公模式未披露

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

8.0千

比项目管理中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 2400 个在招 · 其中项目管理 2 个

市场机会

选择面较广

项目管理 · 约 610 个在招

职位详情

关于这个职位

这是一个面向AI研发提效场景的项目管理实习岗位,主要围绕L4自动驾驶底层软件研发流程,梳理任务、沉淀知识并识别适合AI参与的环节

你将参与基于大模型API、Agent和工程工具的辅助研发能力建设,并通过真实任务验证效果、沉淀可复用方法

最低要求

计算机、软件工程、自动化、电子信息等相关专业,本科或硕士在读

熟悉 Linux 常用操作及 Git,能够完成环境配置、命令行工具使用和基本问题排查
了解大模型的基本使用方式,有使用 AI 辅助编程或开发 AI 应用的实践
能够说明自己的实现思路和验证过程,课程项目、个人项目均可
具备良好的问题拆解、沟通和文档整理能力,重视通过代码、日志和测试结果验证结论

工作职责

研发流程梳理:协助梳理L4自动驾驶业务底层软件的典型工作,明确任务输入、处理步骤、上下游接口、交付物和验收标准,识别适合 AI 参与的环节

研发知识整理:整理需求、接口文档、代码说明、硬件及软件版本、历史问题等资料,建立便于 AI 获取和使用的任务上下文及知识索引
AI 工作流开发:基于大模型 API、Agent 或相关工具,开发代码检索、变更影响分析、日志定位、测试用例生成等辅助研发能力
工程工具集成:使用 Python、Shell 等对接编译、静态检查、自动化测试和日志采集工具,支持 AI 根据执行结果进行分析与迭代
效果验证与沉淀:围绕真实研发任务开展试点,评估结果正确性、任务耗时和人工介入情况,沉淀可复用的脚本、任务模板和使用文档

AI 洞察

优缺点分析

优点

  • 岗位结合大模型、Agent和自动驾驶研发流程,能接触AI提效的真实业务场景
  • 工作内容覆盖流程梳理、工具集成、效果验证和文档沉淀,训练较完整的工程闭环能力
  • 要求中接受课程项目和个人项目,适合有AI应用实践但缺少正式实习经历的在校生
  • 涉及代码检索、日志定位、测试用例生成等具体能力,成果较容易沉淀为可展示项目
  • 需要同时理解研发流程、工程工具和大模型应用,学习跨度较大
  • 岗位涉及L4自动驾驶底层软件,业务知识复杂,短期内需要快速理解上下游接口和历史问题
  • 适合计算机、软件工程、自动化、电子信息等专业在读学生,尤其是有Linux、Git、Python、Shell基础并做过AI应用或AI辅助编程项目的人
  • 也适合希望从项目管理视角切入AI研发提效和自动驾驶工程场景的求职者

缺点 / 挑战

  • 效果验证强调代码、日志和测试结果,要求严谨性较高,不能只停留在概念演示

角色解读

  • 短期可积累AI辅助研发、Agent工作流搭建和研发知识库建设经验,提升工程化落地能力
  • 中期可向AI应用开发、研发效能工程、自动化测试或技术项目管理方向发展
  • 长期可成长为AI研发工具产品负责人、研发效能专家或自动驾驶软件工程相关技术骨干
  • 梳理L4自动驾驶底层软件研发流程,明确任务输入、步骤、接口、交付物和验收标准,并识别可由AI提效的环节
  • 整理需求、接口文档、代码说明、版本信息和历史问题,构建便于AI调用的任务上下文与知识索引
  • 基于大模型API、Agent、Python和Shell开发代码检索、变更影响分析、日志定位、测试用例生成等辅助能力
  • 参与真实研发任务试点,评估正确性、耗时和人工介入情况,并沉淀脚本、模板和使用文档
  • 需要掌握Linux常用操作、Git、环境配置和命令行问题排查,能够支撑基础研发工程工作
  • 需要了解大模型使用方式,并有AI辅助编程或AI应用开发实践,能清楚说明实现思路和验证过程
  • 需要具备Python、Shell脚本能力,能够对接编译、静态检查、自动化测试、日志采集等工具
  • 需要较强的流程梳理、文档整理、问题拆解和沟通能力,能用代码、日志、测试结果验证结论

申请策略

  • 申请前了解自动驾驶底层软件研发的基本流程,准备如何识别适合AI参与的环节
  • 面试中尽量用具体项目说明实现思路、验证过程和失败复盘,体现严谨的工程习惯
  • 突出AI应用实践,如基于大模型API或Agent完成代码检索、文档问答、日志分析、测试用例生成等项目
  • 写明自己在项目中如何拆解问题、设计验证方案,并用代码、日志或测试结果证明效果
  • 展示Linux、Git、Python、Shell能力,尤其是环境配置、命令行工具使用、自动化脚本和工具集成经历
  • 强调文档整理和流程梳理能力,可附上需求文档、接口说明、任务模板或复盘总结
  • 补强大模型API调用、Prompt设计、Agent工具编排和RAG知识索引基础,准备一个可演示的小项目
  • 熟悉编译、静态检查、自动化测试、日志采集等研发工具链,理解如何把AI能力接入工程流程

面试指南

  • 项目类问题按“背景—目标—方案—实现—验证—复盘”展开,重点讲清数据来源、工具链和效果指标
  • 流程类问题按“输入—步骤—接口—交付物—验收标准—AI介入点”拆解,体现结构化梳理能力
  • 问题排查类问题按“现象—假设—日志/代码/测试验证—结论—改进措施”回答,强调可验证性
  • 你做过的大模型或AI辅助编程项目是什么?请说明实现思路、技术选型和验证过程
  • 如何用AI能力提升代码检索、变更影响分析或日志定位的效率?
  • 你如何梳理一个陌生研发流程,并识别适合AI参与的环节?
  • 请举例说明你如何使用Linux、Git、Python或Shell解决实际问题
  • 如果AI生成结果不准确,你会如何评估、定位和改进?

职位点评

薪资福利62
成长发展88
工作生活45
使命价值72

薪资福利

62中等

JD未披露薪资和福利信息,无法判断补偿性条件竞争力。作为实习岗位,主要价值更偏向项目经历和能力积累。

薪资信号未披露(AI估算:6.0千–1.0万/月)

成长发展

88较高

岗位直接涉及大模型API、Agent、AI工作流开发、工程工具集成和真实研发任务验证,技术成长信号明确。虽然未提及培训或晋升路径,但实践内容本身具有较强能力沉淀价值。

技术前沿前沿/新兴技术
技术栈大模型API、Agent、AI工作流、Python、Shell、代码检索、变更影响分析、日志定位、测试用例生成、静态检查、自动化测试、日志采集
业务类型ambiguous

工作生活

45较低

JD未明确办公模式、远程天数、弹性工时或加班情况,也未说明具体办公地点。生活化动机相关依据不足。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

72中等

岗位服务于L4自动驾驶业务底层软件研发提效,具备一定技术前沿性和工程应用价值。JD未直接表达社会使命或价值导向,意义感主要来自AI提效和自动驾驶技术场景。

行业发展新兴领域(暂难判断)
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs